BP神经网络在水质评价中的应用

为了研究BP神经网络在水质评价中的应用，根据人工神经网络的原理，建立了项目综合评价网络模型，分析了BP网络学习规则，并以此对湖泊富营养化程度进行了分析评价，从而为防治水污染提供了科学依据，也为BP神经网络在水质评价中的应用提供了实例。     

基于BP神经网络的三峡库区小流域水质评价

在阐述BP人工神经网络原理的基础上,运用我国地表水环境质量标准(GB3838-2002)作为训练样本,建立了一个多因子水质综合评价的3层BP网络模型,以溶解氧、氨态氮、总磷、砷、汞和铬为评价因子,对三峡库区小流域一嘉陵江的次级支流流域进行了水质综合评价.结果表明:该河中上游水质状况良好,而下游水质状况较差,汇入嘉陵江、长江后将时三峡水库的水质造成不良影响.为了保证三峡水库的水质安全,建议加强库区小流域的地表水环境管理.     

BP神经网络PID控制器在温室温度控制中的研究

为了更好地实现对温室温度的控制,本文设计出了一种BP神经网络PID控制器,提出了BP神经网络PID控制算法,并对该算法进行了分析,最后以温室温度为控制对象分别对常规PID控制器和BP神经网络PID控制器进行了大量仿真研究。结果表明,基于BP神经网络整定的PID控制器具有较强的自适应能力和鲁棒性,其控制品质优于常规PID控制器。     

BP和RBF神经网络在水轮机非线性特性拟合中的应用比较

利用神经网络对水轮机综合特性曲线进行数据处理和延伸,不必建立具体的函数关系表达式,就可对已知的离散数据进行拟合。并且还可以结合边界约束条件对未知区域内的数据进行预测,从而提高了水轮机综合特性曲线数据处理的工作效率和数据精度。分别介绍了用BP神经网络和RBF神经网络对水轮机综合特性曲线数据处理和延伸的方法。并采用一机组的样本数据进行训练,比较2种方法的训练结果得出结论。     

BP神经网络在日光温室湿度预测中的应用

在对冬季环境下典型北方日光温室环境因子实测数据进行分析的基础上,选择影响温室湿度的环境因子和管理情况作为神经网络的输入量,包括室外温度、室外湿度、室外光照、室内3点温度、室内光照、天窗、侧窗开闭等共10项,以温室内部5个点实测平均湿度为输出量。通过900组数据对构建好的BP神经网络进行训练,选取训练数据外的60组数据作为测试。结果表明,60组输出数据平均相对误差为3.234%,预测效果良好。     

BP神经网络在农业水资源评价中的应用

通过选定与农业用水量关系紧密的影响因素,作物产量、降雨量、非耕地耗水量和土地利用系数4个主要参数,建立了BP神经网络模型,并用模型预测了北方干旱地区一定农业生产水平下所需要的农业用水量值.此方法可以用来评价某地区农业水资源的富余程度,指导合理分配区域水资源.     

BP网络在工程图自动识别中的应用

介绍了 BP网络的原理及在工程图符号识别中的应用 ,阐述了网络结构的确定、单元数目的选择、训练参数的选择以及样本字符图像的选取及分类。实验结果表明 BP网络可应用于工程图中的字符识别。     

RBF神经网络方法在水质评价中的应用

就径向基函数人工神经网络(RBF)在水质评价中的应用做了探讨。分别从网络结构的选择、可调参数的优化方法和学习样本的代表性3方面作了详细的分析、阐述,并提出了一些解决办法,为RBF网络在水质评价中的应用提供了一定的参考材料。最后以博斯腾湖为例,利用RBF网络建立水质评价模型,模型评价结果趋势基本符合实际,效果较好。     

BP神经网络在农业工程中的研究与应用

该文概述了BP神经网络在农机总动力预测、农业专家系统信息决策、虫情测报、农作物水分和养分胁迫、土壤墒情、变量施肥、分类鉴别和图像处理等领域的应用情况,总结了人工神经网络模型的优点,指出其在精准农业和智能农业中的重要理论技术支撑作用。      

遗传算法优化BP神经网络在山洪临界雨量预测中的应用研究

为研究确定四川省冕宁县山洪灾害临界雨量,及时采取减灾避灾措施,根据冕宁县14个雨量站和气象站的资料,选取山洪灾害发生的关键因子:日时段降雨量和降雨强度,建立BP神经网络预测模型.然后用遗传算法对BP神经网络的权值和阈值进行优化,建立GA-BP预测模型.与BP预测模型相比,GA-BP预测模型能有效克服BP模型训练时间长,易陷入局部最优的缺陷,在临界雨量预测精度方面,GA-BP模型预测的平均相对误差为1.96％,而BP模型预测的平均相对误差为7.22％,明显提高了预测精度.这一临界雨量预测方法与结果,进一步修正完善后将试用于冕宁县山洪灾害监测预警系统.     

概率神经网络在白洋淀水质评价中的应用

用概率神经网络的方法,以河北省白洋淀为研究对象,对其水质进行评价分析,并将其结果与灰色聚类方法和BP神经网络方法评价结果作比较.结果表明,用概率神经网络进行评价过程简单,计算用时少,评价避免了人为因素的干扰,结果更加准确并切合实际情况.提高了水质评价的准确性.     

BP神经网络的春小麦作物水模型的初步研究

用内蒙古河套灌区春小麦非充分灌溉试验资料 ,建立了 BP神经网络的春小麦作物水模型。经模拟分析认为该模型能正确表达春小麦的产量与水分的关系并有某些独特的优点。与当地拟合效果较好的Minhas模型的比较表明 ,二个模型所表达的春小麦各生育阶段对水分的敏感性一致 ,产量预测结果接近。初步说明 BP神经网络方法是一种可用于作物水模型新的模拟方法     

基于BP神经网络的土壤养分综合评价模型

以土壤养分指标体系作为神经网络的输入,以土壤养分等级评分作为输出,基于BP神经网络,建立了具有5个隐含层节点、3层网络的土壤养分综合评价模型;以土壤养分指标的各级评价标准作为模型的训练样本和检验样本,利用Matlab软件对BP神经网络进行训练和检验,并对安塞县土壤养分进行综合评价.结果表明BP神经网络对检验样本的模拟输出和期望输出是一致的;对安塞县土壤养分综合评价结果与模糊模式识别、主成分分析结果也是完全一致的.     

基于两种方法的石佛寺人工湿地水质综合评价与分析

采用熵权赋权贝叶斯法和BP神经网络模型法两种方法,评价石佛寺人工湿地2009~2014年间汛期和非汛期入口、中间和出口的水质级别。经比较,两种评价结果基本相同,均可用于水质评价,但熵权赋权贝叶斯法计算更简便。水质评价结果表明:出库水质基本都优于入库水质,说明石佛寺人工湿地对水质具有良好的净化效果;非汛期湿地出口水质较汛期差;出库水质均为Ⅲ和Ⅱ,水质状况良好,不存在用水障碍。     

现代农业装备发展水平综合评价——基于BP神经网络

为综合评价现代农业装备发展水平,分别选取了9项一级、20项二级评价指标,运用BP神经网络法建立了各指标权重系数计算模型,得到了现代农业装备发展水平综合评价体系。作为评价体系的应用,基于新疆兵团2005-2012年度统计数据,评价了新疆兵团的现代农业装备发展水平,评价结果符合实际情况,表明本文指标设置恰当,指标权重计算模型正确,能够为现代农业装备的发展提供理论支撑。     

基于T-S模糊神经网络模型对西部村镇集雨窖水水质的评价研究

针对西北村镇集雨窖水的水质特点,采用基于T-S模型的模糊神经网络对其进行评价分析。评价分析选用窖水水质指标中的CODMn、NH3-N和DO三个水质指标为输入向量,建立了适用于集雨窖水水质评价的T-S模糊神经网络模型,该模型最大训练误差︱e︱≤0.057 5,具有较强的泛化能力。在实例分析中,得出不同集雨面所收集的集雨窖水水质也不相同;降雨初期集雨窖水水质均为超Ⅴ类,随着时间的增长窖内水质有着明显的改善,但20d内,水质依旧较差且不稳定,需对集雨窖水进行相关处理后才可作为日常生活用水使用。     

烟台地区水面蒸发BP神经网络模型研究

运用BP神经网络模型对水面蒸发进行研究,并与多元线性回归和主成分回归2种方法的拟合结果进行比较。结果显示,多元线性回归各参数均通过t检验,拟合较好;主成分回归中,参数b2未通过t检验,拟合效果不如多元线性回归好。BP神经网络模型、多元线性回归、主成分回归建立的水面蒸发量观测值与拟合值的回归方程中决定系数分别为0.8986、0.7993、0.7984。应用BP神经网络进行分析,相对误差小于10%的样本个数超过总样本个数的40%,相对误差不超过30%的样本个数接近80%;而其它2种方法相对误差大于10%的样本个数超过总样本数的80%,相对误差大于50%的接近总样本个数的30%。可见,应用BP神经网络模型进行水面蒸发量计算,远优于其它2种方法,应用此方法进行水面蒸发量的预测是非常理想的。     

建立与应用积分数学模型分析给水

合格的出厂水在经过给水管网输送到用户的过程中，水质会出现不同程度的下降，这就使用户处的水质难以保证，为了使用户的水质更安全，需要对管网中各处的水质进行综合分析判断。建立了两种评价多因子水质的积分数学模型，模型充分考虑到了各个评价因子对水质的不同影响。基于该模型，可以在管网各个水质因子的实际监测值与水的质量之间建立直接关系，使抽象的水质评价结果量化，把管网水质的监测数据转化成定性的结论。模型的计算结果能体现出水质的等级状况。